HSTFL:用于不对齐时空预测的异构联邦学习框架
发表于: 。本研究聚焦于多方协作的时空预测问题,面对跨域特征和地理差异带来的挑战,现有方法无法有效应对隐私与数据所有权的顾虑。提出的HSTFL框架通过保护隐私的方法,促进了不同领域的地理分布时间序列数据的协作利用,实验证明其在抵御推断攻击和提升预测效果方面具有显著优势。
本研究聚焦于多方协作的时空预测问题,面对跨域特征和地理差异带来的挑战,现有方法无法有效应对隐私与数据所有权的顾虑。提出的HSTFL框架通过保护隐私的方法,促进了不同领域的地理分布时间序列数据的协作利用,实验证明其在抵御推断攻击和提升预测效果方面具有显著优势。